特斯拉的FSD在2019年以前，是EAP的增持功能。但从2019年4月起，FSD Beta被作为单独的功能进行销售。由于FSD在测试版中经历了几轮大涨价，这使得市场越来越相信马斯克所说的，未来单车售价可以降至更低，软件才是最大的利润释放端。

从下图中看，FSD的价格已由2019年的5000美元上涨至2022年的15000美元。随着售价越来越高，特斯拉也推出FSD按月订阅的模式，价格为99（此前已购买EAP）或199美元/月的模式。

FSD中最重要的硬件是HW 3.0，而HW 4.0即将发布。

特斯拉的自动驾驶Autopilot硬件版本，由2014年采用Mobileye单芯片单摄像头HW 1.0开始，平均两年就会进行一次迭代。

● HW 2.0开始，特斯拉采用了自研制动驾驶域控制器，由多颗英伟达芯片构成的算力平台。

● HW 3.0开始，特斯拉对域控算力进行了大升级，从英伟达的算力平台改为自研的FSD芯片和NPU，GPU算力提升了12倍，每秒可以处理的视频帧数也提升了将近21倍，这是2019年时最强的性能之一。

值得注意的是，市场正在期待配置HW 4.0的发布。

据媒体报道，HW 4.0或在传感器和域控控制器上都有较大的升级，摄像头由HW 3.0的8个摄像头升至11颗，新增了4D毫米波雷达，算力芯片也升级到了第二代FSD芯片，内存也有所增加。

马斯克在22 Q4的财报会上表示，HW 3.0将不能花钱升级HW 4.0。在FSD的体验上两者不会有很大的区别，但HW 4.0在系统可靠性上有更大的提升。

据中信证券推算，硬件BOM成本，HW3.0为1000-1500美元，HW4.0预计需要1500-2100美元，FSD毛利率近90%。

FSD的实现依托于BEV的软件算法和基于Dojo的高效数据处理，BEV感知和高效数据闭环为FSD最核心的技术。

特斯拉在过去两年的AI Day上展示了支撑FSD落地的两大技术底座，一个是BEV Transformer的感知算法架构，这为FSD提供了不依赖高精地图的感知和定位能力。另一个则是Dojo AI超算系统，而这支持算法快速迭代响应用户反馈，实现高效数据闭环。

二、特斯拉FSD的落地如何？

当前，FSD功能在北美市场的普及程度相对较高，渗透率已达北美市场的25%。

从去年11月份开始，FSD Beta不再对安全评分进行要求，可以向几乎全部北美FSD已购买或订阅车主进行推送。

截止于今年1月份，已有40万北美用户接入了FSD Beta，相较于2022年12月份的28.5万用户，增长了近40%。

当参与FSD测试的用户越来越多时，这会给FSD技术带来更快的发展。

马斯克在上周的财报会上表示，FSD当前特斯拉车主使用FSD Beta已行驶了3.2亿英里，但很快这个3.2亿英里的数字很快就显得非常小了。这与特斯拉将FSD测试资格开放给更多用户有关。

马斯克表示，近期FSD的进展迅速，他对FSD和自动驾驶出租车感到非常乐观，正在使用英伟达的芯片，以及新增的DOJO AI一起来训练FSD，计划在明年年底就可以完成自己训练。在AI DOJO引入之后，会让FSD的训练成本大幅下降。

马斯克称，特斯拉很乐意开放FSD自动驾驶的权利给其他企业。当前，特斯拉已经在和其他的OEM车企早期的商讨计划。

也就是说，即使不是特斯拉的车型，但特斯拉也可以将软件和技术卖给其他车企，这是马斯克新的构思，这意味着自动驾驶可能迎来巨额的测试数据转折点。

若能实现，这将与国内的自动驾驶技术拉开差距。而技术快速突破与收集行车数据有很大的关联。

但当然，FSD售价的不断上涨，这肯定会使得消费者一次性付费选装的意愿变小，远期或订阅用户成为主流。

根据Teslike特斯拉车主订车调查问卷所得，FSD在美国单独列为付费项目初期（6,000美元即可选装），选装率曾一度达到60%左右，但是随着FSD价格的几次提价，选装率有非常明显的下降。

根据上述Teslike调查问卷数据，进入2022年，FSD选装率降到10%左右，对应的是1M22 FSD提价至12,000美元；进入2023年，FSD的选装率更是跌至2%左右，对应的是15,000美元的售价。

选装率在今年初有所提升，这与FSD的逐渐成熟，以及产品力提升带动了更多用户订车时选装有关。未来随着FSD的价格越来越高，应该月订阅FSD模式的用户会越来越多，而FSD一次性选装的比例会维持在比较小的比例，小于10%。

三、结语

虽然FSD在北美地区的推进迅速，但想要海量行车数据以支持FSD的快速迭代，还是需要中国市场的海量行车数据来支持。

但当下，国内除了政策的限制，还有技术上的影响。

例如，BEV Transformer技术所需的数据和训练前提，当前FSD若想要进入中国市场，那需要考量BEV感知暗杆能否得到很好的本土化适配。这就与地图采集、数据存储、算力中心、数据团队都有关。

需要在中国搭建超算中心来专门服务中国市场，要么引入Dojo超算平台，要么外采英伟达的A100芯片。因此，在国内自动驾驶的推进可能要慢于北美市场，但国内市场的车辆众多，收集数据的时间可能会大大缩短。